0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

视频图像三插值方式的结果

新机器视觉 来源:简书 作者:梧桐光影 2021-11-09 15:39 次阅读

在播放视频时,常遇到视频尺寸与画布尺寸不一致的情况。为了让视频按比例填充画布,需要对视频中的每一帧图像做缩放处理。

缩放就是在原图的基础上做插值计算,从而增加或减少像素点的数量。常见的插值方式有最近点插值,线性插值,兰索斯插值

下面简要介绍,并对比三种插值方式的结果。

最近点插值

在一维空间中,最近点插值就相当于四舍五入取整。在二维图像中,像素点的坐标都是整数,该方法就是选取离目标点最近的点。计算方式如下:

假设原图为A[aw,ah],宽度为aw,高度为ah。目标图为B[bw,bh],宽度为bw,高度为bh。已知A[aw,ah]的宽度,高度及其中每个点的颜色值,B[bw,bh]中每个点像素值的计算方式如下:

for(int i=0; i<bh; ++i){
    for(int j=0; j<bw; ++j){
        int posX = floor(j/(float)bw * aw + 0.5f);
        int posY = floor(i/(float)bh * ah + 0.5f);
        B[i,j] = A[posY, posX];
    }
}

线性插值

线性插值是以距离为权重的一种插值方式。在一维空间中,假设有点A,B,其距离为LAB。A,B之间任意一点C的值为A*LBC/LAB+B*LAC/LAB。在二维空间中,需要在两个方向上做插值。

已知Q11,Q21,Q12,Q22,计算P点的值时,需要先由Q11和Q21插值得到R1,由Q12和Q22插值得到R2,再由R1和R2插值得到P。


详情可参考:

https://zh.wikipedia.org/wiki/%E5%8F%8C%E7%BA%BF%E6%80%A7%E6%8F%92%E5%80%BC

该方法生成的图像比较平滑

兰索斯插值(lanczos)

一维的线性插值,是在目标点的左边和右边各取一个点做插值,这两个点的权重是由线性函数计算得到。而一维的兰索斯插值是在目标点的左边和右边各取四个点做插值,这八个点的权重是由高阶函数计算得到

详细原理可查阅:

https://en.wikipedia.org/wiki/Lanczos_resampling

二维的兰索斯插值在x,y方向分别对相邻的八个点进行插值,也就是计算加权和,所以它是一个8x8的描述子。

网上目前可找到兰索斯算法有两份:GPUImage和OpenCV。其中GPUImage中是用GLSL实现,其算法有误,并不能得到正确的结果。OpenCV中是用C++实现的CPU端代码。


我参考OpenCV中的实现方式,实现了一份GPU上的兰索斯插值算法,该算法在GPU上运行,并不额外消耗CPU资源。其对应的GLSL为

uniform int ssize;
uniform int tsize;
uniform int flag;
uniform float scale;
uniform sampler2D inputImageTexture;
void interpolateLanczos4(in float fx, inout float rate[8]) {
    const float s45 = 0.70710678118654752440084436210485;
    const float PI = 3.1415926535897932384626433832795;
    float cs[] = float[16]( ,1.0, 0.0, -s45, -s45, 0.0, 1.0, s45, -s45, -1.0, 0.0, s45, s45, 0.0, -1.0, -s45, s45);
    if( fx < 0.0000000001 ) {
        for( int i = 0; i < 8; i++ ) {
            rate[i] = 0.0;
        }
        rate[3] = 1.0;
        return;
    }
    float sum = 0.0;
    float y0 = -(fx+3.0)*PI*0.25;
    float s0 = sin(y0);
    float c0 = cos(y0);
    for(int i = 0; i < 8; i++ ) {
        float y = -(fx+float(3-i))*PI*0.25;
        int index = i*2;
        rate[i] = (cs[index]*s0 + cs[index+1]*c0) g (y*y);
        sum += rate[i];
    }
    sum = 1.0gsum;
    for(int i = 0; i < 8; i++ ) {
        rate[i] *= sum;
    }
}
void main() {
    vec4 fragmentColor = vec4(0);
    float curPos = float(tsize);
    if( flag == 0 ) {
        curPos = fragTexCoord.x * float(tsize);
    } else {
        curPos = fragTexCoord.y * float(tsize);
    }
    float fx = (curPos + 0.5) * scale - 0.5;
    float sx = floor(fx);
    fx -= sx;
    float rate[8];
    interpolateLanczos4(fx, rate);
    for (int i=0; i<8; ++i) {
        float newCoord = (sx + float(i - 3) ) / float(ssize);
        vec2 texCoord;
        if (flag == 0)
            texCoord = vec2(newCoord, fragTexCoord.y);
        else
            texCoord = vec2(fragTexCoord.x, newCoord);
        fragmentColor += texture2D(inputImageTexture, texCoord) * rate[i];
    }
    gl_FragColor = fragmentColor;
}

																											

上述代码需要执行两遍:

第一遍的输入为原图,缩放宽度方向。ssize为原图宽度,tsize为目标图宽度。执行完毕后,把结果存到纹理中,作为第二遍的输入;
第二遍缩放高度方向,ssize为原图高度,tsize为目标图高度。执行完毕后,把结果显示到屏幕上。

结果对比

将上面的对比图放大后可以发现,线性插值的结果较最近点插值更平滑,兰索斯插值的结果较线性插值更清晰。

性能对比

运行环境:iphone5s,ios8.3
运行程序:自研播放器demo


以上三种插值算法渲染每帧图像时,占用CPU时间都是40ms左右。由于这三种算法都是在GPU上实现,其对应的CPU代码相同,结果与预期相符。


占用GPU时间如下所示:

插值方式 最近点插值 线性插值 兰索斯插值
每帧图像平均占用的GPU时间(ms) 6 6 12

兰索斯插值算法占用GPU的平均时间为12ms,是其它两种算法的两倍,由于该算法中shader代码执行了两遍,结果也与预期相符。

由于GPU与CPU是异步执行,大部分视频帧率不超过30,因此GPU上多出的6ms不会造成性能瓶颈。

注:GPUImage中的兰索斯插值实现有误,本文是参考OpenCV实现的。

作者:梧桐光影
链接:https://www.jianshu.com/p/8ae52a88ca61

责任编辑:haq


声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 视频
    +关注

    关注

    6

    文章

    1891

    浏览量

    71904
  • 图像
    +关注

    关注

    2

    文章

    1063

    浏览量

    40041

原文标题:三种图像插值方式对比

文章出处:【微信号:vision263com,微信公众号:新机器视觉】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    FPGA图像处理—VESA标准与视频流介绍

    VESA 视频标准同步信号产生器,是从事FPGA图像领域工程师经常使用到的模块。
    的头像 发表于 02-29 09:56 1170次阅读
    FPGA<b class='flag-5'>图像</b>处理—VESA标准与<b class='flag-5'>视频</b>流介绍

    视频光纤矩阵与传统视频传输方式的比较分析

    随着视频技术的快速发展,高清、超高清甚至8K视频的需求日益增长,传统的视频传输方式已经难以满足这些高带宽、低延迟的需求。而视频光纤矩阵作为一
    的头像 发表于 02-19 14:58 182次阅读

    输电线路图像视频监测装置运用了哪些技术?

    输电线路图像视频监测装置是一种用于线路巡检的智能监控设备,具备图像视频采集、传输、处理和分析功能。通过采集输电通道的图像
    的头像 发表于 01-22 13:44 172次阅读

    ADE7880采用的是线接线方式,测试电压有效时数据不正确怎么解决?

    各位专家: 我电路采用的是线接线方式,如下图所示。 现测试电压有效时数据不正确。 相输入时,外部VA,VB,VC给信号11V,由于
    发表于 12-26 07:43

    嵌入式操作教程:在LCD上显示灰度图像的直方图统计结果

    学习直方图统计的原理,掌握图像的读取方法,并实现在LCD上显示灰度图像的直方图统计结果
    的头像 发表于 11-30 16:10 546次阅读
    嵌入式操作教程:在LCD上显示灰度<b class='flag-5'>图像</b>的直方图统计<b class='flag-5'>结果</b>

    基于FPGA的线性插值-中

    / (40 - 30) + 137; int YC = Math.Abs(YM - Y2);//YC为两个方法的计算结果之差 //YM为利用中间点计算的结果 string
    发表于 11-23 23:09

    基于FPGA的线性插值-上

    1,背景 利用FPGA做数据处理、系统控制时,经常需要做线性插值。如图(1)所示,给点A和B的x,y坐标,需要求A,B中间某一点C的坐标。限定x取整数。 图(1) 示意图 根据A,B两点即可
    发表于 11-20 23:10

    视频监控数据有哪些存储方式?哪种存储方式最优?

    视频监控数据有哪些存储方式?哪种存储方式最优? 随着社会的发展,视频监控技术已经成为城市安全管理中不可缺少的一部分。随之而来的是海量的视频
    的头像 发表于 10-26 11:16 1987次阅读

    基于嵌入式的高速光纤视频图像传输模块的设计方案

    视频图像的光纤无失真传输,与传统传输方式相比速率大大提升,同时设计了可靠的嵌入式硬件电路和光纤连接方式,抗干扰性和可靠性更强。
    发表于 09-20 06:31

    PowerAI Vision:用于图像视频的自动AI

    电子发烧友网站提供《PowerAI Vision:用于图像视频的自动AI.pdf》资料免费下载
    发表于 09-13 10:43 0次下载
    PowerAI Vision:用于<b class='flag-5'>图像</b>和<b class='flag-5'>视频</b>的自动AI

    芯片接口IP如何实现更快的图像视频传输?

    随着科技的不断进步,图像视频在我们的生活中扮演着越来越重要的角色,从我们的手机、电视、电脑到医疗设备和汽车等各种智能设备,都需要图像视频传输技术的支持。MIPI(Mobile In
    的头像 发表于 07-04 09:59 402次阅读

    MIPI接口技术在图像视频传输中的应用

    随着科技的不断进步,图像视频在我们的生活中扮演着越来越重要的角色,从我们的手机、电视、电脑到医疗设备和汽车等各种智能设备,都需要图像视频传输技术的支持。MIPI(Mobile In
    的头像 发表于 06-28 14:25 1081次阅读

    荐读:FPGA设计经验之图像处理

    当前来的灰度做为读RAM地址,读出RAM中对应灰度的的统计; 第二步将读出结果加一并回写回RAM的当前地址中; 第步重复操作至当前
    发表于 06-08 15:55

    三种图像插值方式对比

    在播放视频时,常遇到视频尺寸与画布尺寸不一致的情况。为了让视频按比例填充画布,需要对视频中的每一帧图像做缩放处理。
    的头像 发表于 06-01 17:16 658次阅读
    三种<b class='flag-5'>图像</b>插值<b class='flag-5'>方式</b>对比

    本次视频教程讲解的是灰度图像直方图实验,图像数据通过LCD显示。

    1、实验目的 本节视频的目的是学习直方图统计的原理,掌握图像的读取方法,并实现在LCD上显示灰度图像的直方图统计结果。 2、实验原理 直方图是用来整理计量值的观测数据,分析其
    发表于 05-25 11:23